Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Informatyka							Poziom i forma studiów	drugiego stopnia niestacjonarne
Specjalność / Ścieżka dyplomowania	Przedmiot wspólny							Profil kształcenia	ogólnoakademicki
Nazwa przedmiotu	Zaawansowane bazy danych i hurtownie danych							Kod przedmiotu	INZ2ZBD
								Rodzaj przedmiotu	obowiązkowy
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	1
	10				20			Punkty ECTS	4
Przedmioty wprowadzające
Cele przedmiotu	Celem jest zapoznanie studentów z tematyką hurtowni danych, optymalizacji zapytań w praktyce, baz danych typu NoSQL oraz analizy danych w oparciu o modele sieci bayesowskie. Większość z tych zagadnień będzie również realizowana w ramach zajęć z pracowni specjalistycznej. Prerekwizyty: Znajomość relacyjnych baz danych oraz języka SQL. Umiejętność projektowania relacyjnych baz danych oraz programowania w języku SQL.
Treści programowe	Wykład: 1. Proceduralny język SQL. 2. Zaawansowane obiekty baz danych: funkcje, pakiety, wyzwalacze. 3. Optymalizacja zapytań w praktyce. 4. Modele danych w hurtowniach danych. 5. Architektura hurtowni danych. 6. SQL dla OLAP: wielokrotne grupowanie. 7. SQL dla OLAP: funkcje analityczne. 8. Integracja danych pochodzących z różnych źródeł. 9. Bazy danych typu NoSQL (BD oparte o wartości kluczowe, dokumentoweBD, kolumnowe BD, grafowe BD). 10. Analiza danych w oparciu o sieci bayesowskie. Pracownia specjalistyczna: 1. Proceduralny język SQL. 2. Zaawansowane obiekty baz danych: funkcje, pakiety, wyzwalacze. 3. Modele danych w hurtowniach danych. 4. SQL dla OLAP: wielokrotne grupowanie. 5. SQL dla OLAP: funkcje analityczne. 6. Integracja danych pochodzących z różnych źródeł. 7. Bazy danych typu NoSQL (BD oparte o wartości kluczowe, dokumentoweBD, kolumnowe BD, grafowe BD). 8. Analiza danych w oparciu o modele sieci bayesowskich.
Metody dydaktyczne	wykład problemowy, programowanie z użyciem komputera,
Forma zaliczenia	Wykład - zaliczenie pisemne. Pracownia specjalistyczna - na podstawie zadań, wykonanych w czasie zajęć lub jako praca domowa, kolokwium z analitycznego języka SQL, oraz zaimplementowanego i zaprezentowanego projektu.
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	zna zasady tworzenia zaawansowanych zapytań SQL do hurtowni danych bazujących na funkcjach analitycznych; potrafi tworzyć tego rodzaju zapytania								INF2_W03 INF2_W05 INF2_U06
EU2	potrafi korzystać z bazy typu NoSQL i formułować polecenia wybierania danych i ich modyfikacji								INF2_U04 INF2_U08
EU3	potrafi projektować modele hurtowni danych								INF2_U04 INF2_U06
EU4	potrafi integrować dane pochodzące z różnych źródeł								INF2_U03 INF2_U04 INF2_U06
EU5	potrafi dokonać analizy danych w oparciu o modele sieci bayesowskich								INF2_W07 INF2_U08 INF2_U09
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	zaliczenie pisemne, sprawdzian z SQL dla OLAP								W, Ps
EU2	rozwiązanie zadań w ramach pracowni specjalistycznej								Ps
EU3	sprawozdanie z zaprojektowanej hurtowni danych								Ps
EU4	sprawozdanie z zadania wykonanego w czasie zajęć projektowych								Ps
EU5	zaliczenie pisemne, sprawozdanie z zadania wykonanego w czasie zajęć projektowych								W, Ps
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - Udział w wykładach - 10x1h								10
	2 - Udział w pracowni specjalistycznej - 10x2h								20
	3 - Udział w konsultacjach związanych z projektem								2
	4 - Realizacja projektu (w tym przygotowanie prezentacji)								58
	5 - Przygotowanie do kolokwiów i zaliczenia wykładu								10
RAZEM:									100
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									32 (2)+(3)+(1)	1.3
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									78 (4)+(2)	3.1
Literatura podstawowa	1. Ch. Todman, Projektowanie hurtowni danych. Wspomaganie zarządzania relacjami z klientami. Seria: Kanon informatyki, Księgarnia Techniczna, 2011. 2. R. Kimball, J. Caserta, The Data Warehouse ETL Toolkit (2nd edition). New York: Wiley, 2008. 3. B. Inmon, D. Strauss, G. Neushloss, DW 2.0 – Architecture for the Next Generation of Data Warehousing, Elsevier Press, 2008. 4. F. Silvers, Building and Maintaining a Data Warehouse, Auerbach Publications, 2008.
Literatura uzupełniająca	1. P.J. Sadalage, M. Fowler, NoSQL: kompendium wiedzy, 2015.
Jednostka realizująca	Katedra Oprogramowania								Data opracowania programu
Program opracował(a)	dr hab. inż. Agnieszka Drużdżel								2020.05.22